الحق في النسيان يصطدم بنموذج لا يستطيع إلغاء تعلمك

حددت هيئات حماية البيانات الثلاثون في أوروبا حق الحذف كأولوية تنفيذ منسقة لعام 2026. وهذه خطوة تصعيدية ملحوظة، لأن هذا الحق نفسه — المادة 17 من اللائحة العامة لحماية البيانات (GDPR) — موجود منذ عام 2018. لكن ما تغير هو الهدف: لم يعد المنظمون يطلبون من الشركات حذف سجل من قاعدة بيانات العملاء. بل يسألون عما إذا كان طلب الحذف يمكنه فعلاً الوصول إلى بيانات تم استيعابها بالفعل ضمن أوزان نموذج مُدرَّب.

أصدر المجلس الأوروبي لحماية البيانات حكماً مفاده أن مطوري الذكاء الاصطناعي يمكن اعتبارهم "متحكمين في البيانات" بموجب اللائحة العامة لحماية البيانات (GDPR)، مما يحسم المسألة القانونية حول من يتحمل المسؤولية. لكنه لم يحسم المسألة التقنية. فإذا أثرت بيانات شخص ما على نموذج أثناء التدريب، فقد أقر المجلس بأن تنفيذ طلب الحذف بشكل كامل يتجاوز مجرد حذف مجموعة بيانات التدريب الأصلية — لكنه لم يمنح مطوري الذكاء الاصطناعي إعفاءً شاملاً للأجزاء التي وصفها المجلس نفسه بأنها "معقدة تقنياً".

لماذا تختلف هذه المشكلة عن حذف سجل

طلب الحذف التقليدي يستهدف قطعة بيانات محددة وقابلة للتحديد: احذف حساب هذا المستخدم، امسح هذا السجل من النسخة الاحتياطية. أما النموذج المُدرَّب فلا يخزن البيانات بهذه الطريقة. فالمعلومات الشخصية لأي شخص، بمجرد استخدامها في جلسة تدريب، تتوزع عبر ملايين تعديلات الأوزان إلى جانب بيانات الجميع — ولا يوجد معامل واحد مُسمى باسمه يمكن تصفيره. الامتثال الكامل، إذا أخذ حرفياً، يعني إعادة تدريب النموذج من مجموعة بيانات تستبعد بيانات ذلك الشخص، وهو أمر باهظ التكلفة بحيث لا يمكن تنفيذه لكل طلب على أي نطاق ذي معنى.

هذه هي الفجوة التي استغلتها الصناعة بهدوء منذ أن كُتب حق الحذف في اللائحة العامة لحماية البيانات (GDPR) لعالم ما قبل نماذج اللغة الكبيرة (LLM). فقد كانت الشركات تستطيع القول، بشكل مقبول، إن الوسائل التقنية للامتثال لم تكن موجودة بالفعل. أما أولوية التنفيذ لعام 2026 فتشير إلى أن المنظمين يعتبرون هذه الحجة مستنفدة — ليس لأن المشكلة التقنية حُلَّت، بل لأن خمس سنوات دون آليات امتثال ذات معنى لم تعد تُعامل كفترة انتقالية مقبولة.

كيف يبدو التنفيذ فعلياً

غرامة 15 مليون يورو التي فرضتها هيئة حماية البيانات الإيطالية ضد OpenAI شكلت النموذج: تضمنت الانتهاكات المذكورة عدم وجود أساس قانوني لمعالجة البيانات الشخصية المستخدمة في التدريب، وفشل في الشفافية حول البيانات التي تم جمعها وكيفية ذلك، وعدم كفاية تقييم المخاطر قبل النشر. لم يتطلب أي من هذه النتائج إثبات أن النموذج يمكنه "إلغاء التعلم" (Unlearn) لأي شيء — بل استهدفت القرارات الأولية حول ما يجب جمعه والكشف عنه من البداية، وهي قضية أسهل بكثير في الإثبات والتنفيذ.

هذا هو على الأرجح المجال الذي ستركز عليه جهود التنفيذ المنسقة لعام 2026: ليس إجبار الشركات على حل مشكلة إلغاء التعلم الآلي (Machine Unlearning) كشرط مسبق للامتثال، بل معاقبة غياب الموافقة والشفافية وممارسات تقليل البيانات التي كانت ستمنع ظهور مشكلة الحذف على هذا النطاق. إنه هدف تنفيذي أسهل، ولا ينتظر تحقيق اختراق بحثي.

أين يقف البحث التقني حالياً

إلغاء التعلم الآلي (Machine Unlearning) — وهو تقنيات تهدف إلى إزالة تأثير نقطة بيانات محددة من نموذج مُدرَّب دون إعادة تدريب كاملة — هو مجال بحثي نشط، وليس حلاً جاهزاً للإنتاج. تشمل الأساليب تقدير دالة التأثير (Influence-function estimation) (تقريب أي الأوزان تأثرت بنقطة بيانات معينة) وطرق إعادة التدريب على مجموعات فرعية للنماذج الأصغر. لا شيء منها يتناسب حالياً مع النماذج الحدودية (Frontier models) من حيث التكلفة أو السرعة التي يتطلبها طلب حذف في الوقت الفعلي. أي شركة ذكاء اصطناعي تدّعي اليوم أنها تستطيع "إلغاء تعلم" مساهمة شخص في نموذج مُدرَّب على أساس كل طلب هي تصف طموحاً، وليس قدرة تم نشرها.

ماذا يعني هذا للشركات التي تبني على نماذج طرف ثالث

إذا كان منتجك مبنيًا على نموذج أساسي لا تتحكم فيه، فإن التعرض للامتثال لا يختفي لمجرد أنك لم تقم بالتدريب. يتعامل المنظمون مع السلسلة بأكملها — من جمع البيانات عبر الضبط الدقيق (Fine-tuning) حتى النشر — على أنها ضمن النطاق. وهذا يعني أن العناية الواجبة بممارسات بيانات التدريب لمزود النموذج أصبحت الآن بند خطر قانوني حقيقي، وليس مجرد أمر لطيف في استبيان الموردين.

خلاصات قابلة للتطبيق

يجب على الشركات التي تنشر منتجات الذكاء الاصطناعي أن تدقق أمرين الآن، قبل أن يجبرها إجراء تنفيذي على السؤال: أولاً، ما إذا كان خط أنابيب بيانات التدريب (Training data pipeline) لديك يحتوي على أساس قانوني موثق وأثر موافقة حقيقي لكل فئة من البيانات الشخصية المعنية — هذا ما يختبره المنظمون فعلياً، وليس البنية الداخلية للنموذج. ثانياً، ما إذا كان يمكنك الرد على طلب حذف من صاحب البيانات بشيء أكثر تحديداً من "النموذج قد تم تدريبه بالفعل" — حتى وجود سياسة موثقة حول إيقاع إعادة التدريب واستبعاد البيانات لجلسات التدريب المستقبلية يعتبر موقفاً أقوى بشكل ملحوظ من الصمت. الحل التقني للإلغاء الكامل لكل طلب ليس قادماً هذا العام. أما معيار الامتثال لإظهار أنك حاولت تجنب الحاجة إليه فهو قادم الآن.